Caractérisation expérimentale et simulation stochastique du comportement des meubles à base de panneaux de particules

National audienceDans le domaine de l'industrie mécanique, la simulation numérique est un outil puissant au service de la conception de produits et la réalisation d'essais virtuels sur des prototypes numériques permet de raccourcir la phase de mise au point et d'optimisation des produits. Le secteur de l'ameublement n'a pas intégré l'approche par simulation numérique aussi vite que des domaines tels que l'automobile, l'aéronautique ou le génie civil, et l'institut technologique FCBA souhaite donc mettre en place une stratégie de modélisation numérique d'essais réels au service des industriels du secteur (Makhlouf et al., 2016). De nombreux outils de calcul 3D permettent aujourd'hui de réaliser ces simulations numériques, mais le domaine de l'ameublement présente certaines spécificités liées aux matériaux utilisés et à la géométrie : d'une part, les matériaux à base de bois (ici, panneaux de particules) présentent beaucoup de dispersions dans leur comportement hétérogène et anisotrope (Wilczynski et Kociszewski, 2012) et d'autre part, les éléments de meuble sont généralement de géométrie simple assimilable à un assemblage de plaques et/ou de poutres. Néanmoins, les différentes liaisons entre éléments de meubles peuvent être complexes et induire des effets locaux qu'une modélisation cinématique simplifiée de type plaques et/ou poutres ne peut représenter (Chevalier et al., 2018). Le présent travail traite de ces particularités et présente la modélisation probabiliste et l'identification expérimentale des propriétés mécaniques de panneaux de particules et des liaisons entre plaques d'un bureau à partir de la corrélation d'images numériques (DIC pour ''Digital Image Correlation'') afin de réaliser des simulations stochastiques du comportement mécanique du meuble sous différents cas de charges statiques.Tout d'abord, des essais de flexion sont effectués sur une vingtaine d'échantillons de meubles prélevés dans 5 bureaux identiques pour l'identification des propriétés mécaniques des meubles à l'aide de techniques d'imagerie DIC. Les paramètres matériaux incertains sont modélisés par des variables aléatoires suivant des lois de probabilité a priori inconnues (Guilleminot et Soize, 2013). Un modèle probabiliste des paramètres incertains est alors construit en utilisant le principe de maximum d'entropie (MaxEnt) combiné avec une méthode de Monte-Carlo par Chaîne de Markov (MCMC) basée sur l'algorithme de Metropolis-Hastings pour la génération de réalisations des variables aléatoires. Enfin, des simulations numériques (essais virtuels) d'un bureau sous charge statique sont réalisées pour propager les incertitudes portant sur les propriétés matériaux à travers le modèle de plaques et évaluer l'impact de ces variabilités sur la réponse de la structure. Plusieurs essais réels ont été précédemment effectués sur le bureau afin de valider l'approche numérique proposée. Un très bon accord est observé entre les résultats des calculs numériques et les mesures expérimentales.RéférencesChevalier L., Makhlouf H., Jacquet-Faucillon B., Launay E. (2018) Modeling the influence of connecting elements in wood products behavior: a numerical multi-scale approach. Mechanics & Industry, 19(3):301.Makhlouf H., Chevalier L., Favier E., Launay E. (2016) A stochastic approach for the evaluation of the reliability of wood furniture in an industrial context: managing virtual standardization tests. Mechanics & Industry, 17(5):503.Dhatt G., Batoz J-L. (1990) Modélisation des structures par éléments finis. Volume 2, Poutres et plaques, Paris Hermès.Guilleminot J., Soize C. (2013) On the Statistical Dependence for the Components ofRandom Elasticity Tensors Exhibiting Material Symmetry Properties. Journal of Elasticity, 111(2):109-130.Wilczynski A., Kociszewski M. (2012) Elastic properties of the layers of three-layerparticleboards. European Journal of Wood and Wood Products, 70(1):357-359.Torquato, S. (2002) Random Heterogeneous Materials: Microstructure and MacroscopicProperties. Springer-Verlag, Vol. 16 pp. XXI, 703